当人们尝试探究两种变量是否具有相关性的时候，比如新生录取率与性别，报酬与性别等，会分别对之进行分组研究。辛普森悖论是在这种研究中，在某些前提下有时会产生的一种现象。即在分组比较中都占优势的一方，会在总评中反而是失势的一方。该现象于20世纪初就有人讨论，但一直到1951年E.H.辛普森在他发表的论文中，该现象才算正式被描述解释。后来就以他的名字命名该悖论。

    一所美国高校的两个学院，分别是法学院和商学院，新学期招生。人们怀疑这两个学院有性别歧视。现作如下统计：

    法学院

    商学院

    根据上面两个表格来看，女生在两个学院都被优先录取。即女生的录取比率较高。现在将两学院的数据汇总：

    在总评中，女生的录取比率反而比男生低。

    上面的数字太凌乱，可以直接看下面的数据：

    借助一幅向量图可以更好的了解情况

    女生单独两个矢量斜率都比男生大，说明它们的比率都比较高。但最后男生总体向量斜率却大于女生

    这个例子说明，简单的将分组数据相加汇总，是不能反映真实情况的。

    就上述例子说，导致辛普森悖论有两个前提。

    为了避免辛普森悖论的出现，就需要斟酌各分组的权重，并乘以一定的系数去消除以分组数据基数差异而造成的影响。同时必需了解清楚情况，是否存在潜在因素，综合考虑。

    参考地址：

    http://zh.wikipedia.org/wiki/%E8%BE%9B%E6%99%AE%E6%A3%AE%E6%82%96%E8%AE%BA

    http://plato.stanford.edu/entries/paradox-simpson/#Causation